现代服务器的核心是两个看似相同的基于硅的微处理器芯片，二者都可以每秒履行数千次操作。二者都使用大量晶体管，并且都由内部内核供电。一台机器的中央处理单元和它的图形处理单元之间的差异是明显的，如果计算机同时处理复杂的处理或渲染任务，为何GPU和 CPU 之间的差异会差异很大呢？

1、中央补助 

CPU可以被视为计算机的大脑，同时处理软件加载和堆栈操作等任务。虽然 CPU 在履行某些功能方面非常熟练，但CPU可能会因多任务要求而不堪重负，例如支持视频编辑同时流式传输 Spotify 播放列表。现代 CPU 常常包括四个或八个内核，以每秒 1 到 4千兆赫 (GHz) 的速度运行。这意味着它们可以在每一个时钟周期内同时履行四到八条指令。

2、图形插图 

GPU 是一种特殊类型的处理器，以较慢的时钟速度运行，但包括数千个单独的内核，每一个内核都能够在任何给定的毫秒内履行一条指令。GPU 最初是为了支持 3D 计算机游戏图形所需的复杂渲染而开发的，并且通常作为千禧一代 PC 的可选升级产品销售。由于它旨在以闪电般的速度履行单个任务，所以 GPU 提供了更大的处理范围。但是，它绝不是 CPU 的替换品，它可以履行更广泛的任务。

3、权利与光荣 

虽然 CPU 本身功能强大，并且对某些计算任务相当重要，但它们的整体性能完全被包括数千个内核的 GPU 所掩盖。GPU 和 CPU 之间的一个关键区分是后者可以将大数据分析等任务的履行速度提高 100 倍。另外一个是运行这些处理器所需的电量——因此比特币矿工利用 GPU 阵列来履行重复的、非图形化的发掘任务。 

寻求进行大范围数据处理的公司发现在GPU和CPU之间进行选择很容易。机器学习算法是现今计算机应处理的功能的主要示例，完成单个特定任务需要大量计算。虽然 GPU 最初是作为 3D 图形渲染工具开始的，但它们一样非常合适处理数据以改进语音辨认和金融建模等领域。就纯洁的蛮力处理而言，它们是无与伦比的。 

GPU 和 CPU 协同工作效果最好，前者处理数据密集型任务，后者管理系统更广泛的资源，例如内存和软件管理。今天的超级计算机偏向于将处理职责拜托给 GPU，特别是由于最新和最好的GPU芯片比今天的高端CPU提供了更快的同比性能增长。如果您的业务触及机器学习、数据处理或算法分析，那末在 GPU 和 CPU 之间进行选择很容易。